EdNet 데이터 기반 학습자의 지식 수준 예측을 위한 딥러닝 모델 개선

최슬기, 김영표, 황소정, 최희열

http://doi.org/10.5626/JOK.2021.48.12.1335

비대면 교육이 늘어나면서 인공지능이 교육에 사용되는 AIEd(AI in Education)분야가 활발히 연구되고 있다. 각 학생의 학습 기록을 바탕으로 학생의 지식 수준을 평가하는 Knowledge Tracing (KT)은 AIEd 분야에서 기본이 되는 작업이지만, 현재까지의 KT모델이 데이터를 충분히 활용하지 않고 있고, KT 모델 구조에 대한 연구가 부족하다는 한계점을 발견했다. 본 논문에서는 KT 모델의 정확도를 올리기 위해 학습자가 풀었던 문제와 학습 시간과 관련된 다양한 특징들을 시도한 후, 기존 모델들과 다르게 총 11개의 특징들을 사용하여 Query, Key, Value 값을 새롭게 설정한 Self-Attention 기반의 새로운 모델, SANTE를 제안한다. 제안한 SANTE 성능을 검증하기 위해 이전의 성능이 뛰어난 KT 모델들과 함께 비교 및 실험을 진행하였고, 최종적으로 AUC 값을 통해 더 좋은 성능을 확인했다.